3. ASTER L1B数据获取与预处理流程
ASTER搭载于Terra卫星，自1999年运行至今，其可见光近红外（VNIR，3个波段，15 m）、短波红外（SWIR，6个波段，30 m）和热红外（TIR，5个波段，90 m）三个子系统为蚀变矿物识别提供了从铁氧化物到碳酸盐、硅酸盐的多波段观测能力。但L1B产品只是经过辐射定标与几何配准的辐亮度数据，直接用于波段比值或光谱指数分析会引入严重误差。本节围绕“从L1B到可分析反射率”这一目标，梳理数据获取、辐射定标、大气校正、坏像元处理与裁剪的完整链路，并给出可操作的参数与判据。
一、数据获取：选对产品级别与获取条件
ASTER数据通过NASA LP DAAC（现属USGS EROS）分发，常用入口为Earthdata Search与USGS EarthExplorer。检索时需明确产品级别：ASTER L1A为未做几何配准的原始辐亮度，L1B为已配准、已辐射定标的辐亮度产品，做蚀变分析应直接选用L1B。下载前应核对四项元数据：AST_L1B产品标识、Day/Night标志（必须为Day）、Solar Elevation（太阳高度角，低于30°时大气校正误差显著增大）、Cloud Cover（云量，建议低于10%）。此外，ASTER SWIR自2008年4月起探测器故障，此后数据SWIR仅剩4个波段且信噪比下降，若研究依赖SWIR波段组合（如碳酸盐指数），应优先选用2008年4月之前的影像，或在分析中明确说明波段缺失的影响。
下载得到的是一个压缩包，解压后通常包含AST_L1B_*.hdf主文件与*.met元数据文件。HDF文件内部以科学数据集（SDS）组织，VNIR、SWIR、TIR各为一个数据集，另含Solar_Zenith、Solar_Azimuth、Gain、Offset等辅助数据集。后续所有处理都应以这些SDS为输入。
二、辐射定标：从DN值到辐亮度
L1B产品中的像元值并非物理辐亮度，而是经过量化的DN值。定标公式为：
L = DN × Gain + Offset其中Gain与Offset随波段不同而不同，可从HDF的Gain、Offset SDS中读取，单位通常为W/(m²·sr·μm)。以VNIR波段1为例，典型Gain约为0.676，Offset约为-0.676（具体数值以元数据为准，此处仅为示例量级）。定标后得到的是大气顶辐亮度（TOA Radiance），这是大气校正的输入。若使用ENVI，可直接通过Radiometric Calibration工具选择ASTER L1B传感器模型自动读取增益偏移；若用Python，可用gdal.Open读取子数据集后按上述公式逐波段计算。定标后应检查辐亮度是否出现负值或异常高值，负值通常来自Offset校正，属正常现象，但若大面积出现则需回查元数据。
三、大气校正：FLAASH与ATCOR的选择与配置
大气校正的目的是去除大气散射与吸收，将TOA辐亮度转换为地表反射率。ASTER常用的两条路径是FLAASH与ATCOR，二者均基于辐射传输模型，但参数组织方式不同。
FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）集成于ENVI，需输入的关键参数包括：传感器类型（ASTER）、影像中心经纬度、成像时间（从元数据读取）、大气模型（如Mid-Latitude Summer）、气溶胶模型（如Rural）、能见度（默认40 km，可根据气象资料调整）、水汽反演选项。FLAASH对ASTER的VNIR与SWIR波段分别处理，输出反射率影像与大气校正日志。需注意FLAASH要求输入为辐亮度，且波段波长信息需与传感器光谱响应匹配，否则会出现波段错位。
ATCOR（ATCOR-2/3）由DLR开发，可独立运行或作为插件使用。其输入同样为辐亮度，核心参数为太阳天顶角、太阳方位角、观测天顶角、气溶胶光学厚度（AOD）或能见度、大气模式。ATCOR的优势在于对地形阴影的处理更灵活，适合地形起伏较大的研究区。若研究区无实测AOD，可采用暗像元法估算，或使用MODIS气溶胶产品作为辅助输入。
无论选择哪种工具，校正后都应做一次快速质检：选取影像中已知的清水体或浓密植被像元，检查其反射率光谱是否落在合理区间（水体在近红外应接近0，植被在红光应低于近红外）。若出现大面积负反射率或反射率大于1，通常说明气溶胶模型或能见度设置不当，需回退调整。
四、坏像元处理：条带、云与阴影
ASTER L1B的坏像元主要有三类。第一类是SWIR条带噪声，表现为沿扫描方向的周期性条纹，源于探测器响应不均，可用列均值归一化或傅里叶滤波抑制。第二类是云与云影，建议用VNIR波段1与波段3的比值结合阈值生成云掩膜（示例阈值：B1/B3 > 1.2 判为云），云影则通过低反射率与几何关系辅助识别。第三类是传感器饱和与缺失像元，表现为DN为0或最大值，应在定标前用元数据中的Quality SDS标记并剔除。
处理顺序上，建议先做云掩膜再做大气校正，因为云像元会干扰FLAASH的水汽反演；条带噪声则可在定标后、大气校正前处理，避免噪声被辐射传输模型放大。掩膜后的像元可用邻域均值插补，但插补像元应在后续分析中标记为低置信度，不参与定量反演。
五、裁剪与成果检查
裁剪的目的是将数据限定在研究区范围内，减少计算量并避免边缘效应。使用研究区矢量边界对反射率影像做掩膜裁剪，输出GeoTIFF并保留投影与波长信息。裁剪后应做三项检查：一是波段数与波长是否与ASTER光谱响应一致；二是反射率值域是否落在合理区间（示例：0–1，少量负值可接受）；三是研究区内有效像元比例是否满足分析要求（示例：有效像元占比应高于80%）。
完成上述五步后，得到的反射率数据即可进入波段组合与蚀变指数计算环节。需要强调的是，预处理链路的每一步都会向下游传递误差：定标增益读错会导致整体反射率偏移，大气校正气溶胶模型选错会改变SWIR吸收深度，坏像元未剔除则会在比值运算中产生虚假异常。因此，建议在每步之后保留中间产品与处理日志，便于回溯与复现。